Kernelement künftiger Wertschöpfung
Optimierungen am digitalen Zwilling verproben
Der digitale Zwilling als digitales Abbild von Maschine oder Prozess ist die Grundlage, Simulationstechnologie entlang der Wertschöpfungskette in den Dienst der Optimierung zu stellen. Dr.-Ing. Carsten Matysczok erläutert das Konzept kompakt und doch detailliert.

Skalierung des Geschäfts: Der Einsatz eines digitalen Zwillings ermöglicht die Schaffung neuer Services, Dienstleistungen und neuer Geschäftsmodelle.

Kostensenkung: Der digitale Zwilling führt zu kürzeren Entwicklungszyklen und ersetzt reale Prototypen. Durch ihn können Felddaten in die Produktentwicklung zurückgespielt werden, um damit Produktverbesserungen zu initiieren. Darüber hinaus können auch in der Betriebsphase, etwa durch eine optimierte Steuerung von Anlagen, Kosten gesenkt werden.

Höhere Qualität: Mit digitalen Zwillingen können Condition Monitoring und Predictive Maintenance realisiert werden. So können mögliche Schäden früh erkannt und vermieden werden, wodurch die Qualität des überwachten Produktes im Sinne reduzierter Ausfallzeiten steigt.

Datentransparenz: Digitale Zwillinge können durch ihre Sensoren viele unterschiedliche Daten in Echtzeit erfassen. In Kombination mit historischen Daten entsteht ein großer Datenbestand, der für viele verschiedene Auswertungen zur Verfügung steht.

Verbesserte Zusammenarbeit: Die Felddaten, die von digitalen Zwillingen erfasst werden, können für Produktverbesserungen oder für Service-Aktivitäten (wenn Bauteile stark verschleißen oder auszufallen drohen) genutzt werden. Auf diese Weise lassen sich die Innovationsabteilung, die Produktentwicklung und der Service miteinander verzahnen.

Bild: UNITY AG

Arten digitaler Zwillinge

Digitale Zwillinge unterscheiden sich anhand ihres Umfangs und der Art ihrer Anwendung. Anhand ihres Umfangs unterscheidet man etwa den:

Komponentenzwilling – Digitaler Zwilling für einzelne Komponenten, wie z.B. ein Ventil, welches über einen Sensor den Volumendurchfluss ermittelt,

Produktzwilling – Digitaler Zwilling für ein Produkt, das wiederum aus mehreren Komponenten besteht,

Systemzwilling – Digitaler Zwilling für ein ganzes System, das etwa eine komplette Fabrik abbildet.

Anhand der Art ihrer Anwendung gibt es Ausprägungen wie den:

Datenzwilling – Der Datenzwilling ermittelt über Sensoren den Zustand des realen Objekts und zeigt diesen in der virtuellen Welt an.

Simulationszwilling – Der Simulationszwilling hingegen geht über die reine Visualisierung hinaus – er nutzt die übertragenen Sensordaten, um damit auch das künftige Verhalten zu simulieren. Ein Beispiel hierfür ist die Nutzung von Maschinendaten (Durchlaufzeit, Stillstandszeiten, Puffergrößen, Bearbeitungszeiten etc.) in einer Simulation, um damit mögliche Optimierungen zu ermitteln (Reduktion der Puffergrößen, Erhöhung der Ausbringungsmenge).

Steuerungszwilling – Der Steuerungszwilling simuliert nicht nur mögliche Optimierungen, er greift auch steuernd in der realen Welt ein: Auf Basis der ermittelten Optimierung werden vom digitalen Zwilling Steuerungsbefehle an die reale Maschine gesendet. Durch solche Steuerungszwillinge lassen sich dann auch Smart Factories – also wandlungsfähige Fabriken – realisieren.

Je nach Umfang und Art der Anwendung nimmt die Komplexität des digitalen Zwillings zu. Es ist also stets zu hinterfragen, welche Art des Digitalen Zwillings für den jeweiligen Anwendungsfall die richtige ist. Der komplexeste Digitale Zwilling ist nicht automatisch auch der erstrebenswerteste.

Bestandteile des digitalen Zwillings

Art und Umfang des digitalen Zwillings bestimmen die benötigten Bestandteile. Neben dem realen Objekt stehen typischerweise einige dieser Komponenten:

Sensoren – Sie sind am realen Objekt angebracht und erfassen Zustandsdaten. Solche Sensordaten können Maschinenzustände sein, der Bearbeitungsstand eines Fertigungsauftrags aber auch die Temperatur eines Ofens, in dem Bauteile für das Warmformen aufgeheizt werden.

Zentrale Datenbereitstellung – Diese kann über eine IoT-Plattform erfolgen, die die Daten der Sensoren und weiterer IT-Systeme sammelt und zentral bereit stellt. Bei komplexeren Infrastrukturen lässt sich mit dem Data Layer-Konzept die Zahl benötigter Schnittstellen reduzieren.

Datenverarbeitung – Die Instrumente zur Datenverarbeitung müssen auf die anfallenden Aufgaben abgestimmt werden, wenn etwa neben Echtzeitdaten auch historische Daten berücksichtigt werden müssen. Stattfinden kann die Verarbeitung am Rande des Netzwerks (Edge Computing) oder in der Cloud (Cloud Computing).

Simulationsmodelle – Diese nutzen erfasste Daten, um den Gesamtzustand des realen Objekts zu ermitteln und Prognosen zu erstellen oder um Szenarien zur Optimierung des Verhaltens in einer Simulation durchzuspielen (z.B. Vergrößerung von Puffern, Verringerung von Zykluszeiten bei Maschinen). Werden unterschiedliche Simulationen (Materialflusssimulationen für logistische Aspekte, FEM-Simulationen für Bauteilbeanspruchungen etc.) durchgeführt, werden unterschiedliche Simulationsmodelle benötigt. Reine Datenzwillinge erfordern kein Simulationsmodell.

Visualisierungsanwendung – Diese visualisiert das reale Objekt, die zentral bereitgestellten Daten und gegebenenfalls Simulationsergebnisse. Gängige Darstellungsformen sind 3D-Modelle und Kennzahlen-basierte Dashboards.

Entwickeln und ausrollen

Streben Unternehmen die Einführung digitaler Zwillinge an, hilft eine vorgeschaltete Reifegradbestimmung sowie die schrittweise Einführung, die Komplexität des Projektes zu reduzieren. Die Einführung kann grundsätzlich Bottom-Up oder Top-Down erfolgen.

Seiten: 1 2 3Auf einer Seite lesen

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Anzeige

Bild: Vecoplan AG
Bild: Vecoplan AG
IoT-basierte Services

IoT-basierte Services

Vecoplan nutzt bereits seit 2008 Fernzugriffsfunktionen für seine Maschinen. Mithilfe des IoT-Spezialisten Ixon hat der Maschinenbauer dieses Angebot ausgeweitet und bietet heute sogar Kameraüberwachung für seine Recyclingmaschinen an.

Bild: ISW Universität Stuttgart
Bild: ISW Universität Stuttgart
SDM in der Anwendung

SDM in der Anwendung

Software-defined Manufacturing (SDM) ist eine technische und methodische Lösung, um Produktionssysteme kontinuierlich an sich ändernde Anforderungen anzupassen. Nötig sind zunächst per Software anpassbare Komponenten wie Roboter oder Transportsysteme. Das große Potenzial an Wandelbarkeit und Optimierungsfähigkeit geht auch mit hoher Komplexität einher. Deshalb wird in einem Demonstrator gezeigt, wie die Vorteile praxisgerecht nutzbar gemacht werden.

Anzeige

Anzeige

Anzeige